始める無料で始める

下準備をしよう

次の演習では、Indian Liver Patient データセットに対して学習した bagging 分類器の OOB 精度とテストセット精度を比較します。

sklearn では、インスタンス化時にパラメータ oob_score を True に設定すると、アンサンブル分類器の OOB 精度を評価できます。分類器の学習後、対応するインスタンスの .oob_score_ 属性から OOB 精度を取得できます。

この環境には、sklearn.tree から DecisionTreeClassifier クラスが用意されています。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • sklearn.ensemble から BaggingClassifier をインポートします。

  • min_samples_leaf を 8 に設定して DecisionTreeClassifier をインスタンス化します。

  • 50 本の木からなる BaggingClassifier をインスタンス化し、oob_score を True に設定します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

# Instantiate dt
dt = ____(min_samples_leaf=____, random_state=1)

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)
コードを編集して実行